Caffe学习（3）——caffe中的视觉层及对应参数

Caffe的运行，首先要基于一个模型（model），比较常用的模型有Lenet、AlexNet、VGG等；一个模型有多个层构成，层有许多种类型，比如数据层（Data Layers）、视觉层（Vision Layers）、激活层（Activation Layers）等，每层对应着许多参数，这些参数都定义在caffe.proto这个配置文件中。

数据层及其参数的介绍在前一篇文章caffe中的数据层及对应参数进行讨论。

接下来，我们来讨论一下视觉层（Vision Layers）及其参数。

视觉层包括Convolution、Pooling、Local Response Normalization（LRN）等。下面进行详细介绍。

（1）Convolution（卷积层）

卷积层是卷积神经网络（CNN）的核心层。下面以示例作为说明：

layer {
  name:"conv1"//层名称
  type:"Convolution"//层类型
  bottom:"data"//输入数据
  top:"conv1"//输出数据
  param {//参数
    lr_mult:1//学习率系数，